予算管理における分析手法へようこそ！

皆さん、こんにちは！管理会計（MA）の旅の中で、最も実用的な分野の一つへようこそ。この章は、ビジネスにおける「水晶玉（未来を予測するもの）」のようなものだと考えてください。予算管理では、来年何が起こるかをただ当てるのではなく、データを使って賢く予測する必要があります。このセクションでは、過去の数値を活用して将来のコストや売上を予測する方法を学びます。「数学はちょっと苦手…」という方も安心してください。一つひとつ丁寧に解説していきます！

1. ハイ・ロー法：最初に取り組むシンプルな手法

複雑な計算に入る前に、まずはハイ・ロー法（高低点法）を使ってみましょう。その役割はシンプルです。準変動費を、固定費と変動費の二つに分けることです。

たとえ話：毎月の携帯電話料金をイメージしてください。どれだけ使ってもかかる基本料金（固定費）と、データ通信量に応じて増える料金（変動費）がありますよね。ハイ・ロー法は、あなたの最も高額な請求と最も安価な請求を見比べることで、それらの固定費と変動費がそれぞれいくらなのかを割り出す手法です。

手順（ステップ・バイ・ステップ）：

1. 特定する：最も高い「活動量」と最も低い「活動量」（例：生産数量や作業時間など）を選びます。
2. 差分を出す：その2点間における「活動量の差」と「総コストの差」を計算します。
3. 単位あたりの変動費（b）を計算する：
\( Variable\ Cost\ per\ Unit\ (b) = \frac{Change\ in\ Total\ Cost}{Change\ in\ Activity\ Level} \)
4. 固定費総額（a）を計算する：
\( Fixed\ Cost\ (a) = Total\ Cost - (Variable\ Cost\ per\ unit \times Activity\ Level) \)

クイックレビュー：必ず「活動量（数量や時間）」に基づいてハイとローを選んでくださいね。コストの金額で選んではいけません！

重要なポイント：ハイ・ロー法は素早く簡単に計算できますが、データ点として2つしか使わず、その間にある膨大なデータを無視してしまうため、精度が低くなる可能性があります。

2. 回帰分析：適合線の引き方

ハイ・ロー法が「素早いスケッチ」だとすれば、回帰分析は「高精細な写真」のようなものです。利用可能なすべてのデータポイントを使って、コストと活動量の間の最も正確な関係性を導き出します。

基本となるのは回帰直線の方程式です：
\( y = a + bx \)

各変数の意味：
y = 総コスト（「従属」変数—活動量に依存するため）
a = 固定費総額（「切片」—活動量がゼロの場合のコスト）
b = 単位あたりの変動費（「傾き」—直線の勾配）
x = 活動量（「独立」変数—生産数量など）

'a' と 'b' の求め方

試験では、データの合計値（\( \sum x \), \( \sum y \) など）が与えられることがあります。その場合は、以下の公式に当てはめるだけです：
\( b = \frac{n\sum xy - \sum x \sum y}{n\sum x^2 - (\sum x)^2} \)
\( a = \frac{\sum y}{n} - \frac{b\sum x}{n} \)

注：'n' はデータの組数です。

よくある間違い： \( (\sum x)^2 \) と \( \sum x^2 \) は全く別物ですので注意してください。
- \( (\sum x)^2 \) は、先にすべてのxを足してから、その合計を二乗すること。
- \( \sum x^2 \) は、先にそれぞれのxを二乗してから、それらすべてを足すこと。

重要なポイント：回帰分析は、提供されたすべてのデータを使用するため、ハイ・ロー法よりも正確です。

3. 相関と決定

データに線を引けるからといって、そのデータに相関関係があるとは限りません。相関分析を使って、その関係性がどれほど「強力」かを判断します。

相関係数（r）

rの値は、点がいかに直線の周りに密集しているかを示します。値は常に -1 から +1 の間に収まります。
- +1：完全な正の相関（活動量が増えるとコストも一直線に増える）。
- -1：完全な負の相関（一方が増えると、もう一方が減る）。
- 0：相関なし（データがバラバラの雲のように散らばっている状態）。

決定係数（r²）

相関係数（r）を二乗（\( r \times r \)）すると r² になります。これは試験でもよく出るトピックです！
r²は、yの変動のうち何％がxの変化によって説明できるかを示します。

例：r = 0.9 の場合、r² = 0.81（または81％）となります。つまり、コストの変化の81％は生産量の増減に起因しており、残りの19％は運や廃棄ロスといった他の要因によるものだと解釈します。

豆知識：「相関関係」は必ずしも「因果関係」を意味しません。夏にアイスクリームの売上とサメの被害が増えるからといって、アイスクリームがサメを呼んでいるわけではありませんよね！どちらも「暑さ」という共通の要因に関連しているだけなのです。

4. 時系列分析

時系列データとは、一定期間にわたって記録されたデータ（例：過去3年間の月別売上）のことです。これを分析してパターンを見つけ出します。

時系列の4つの構成要素：

1. 傾向（T：Trend）：長期的な動き（全体として上昇傾向か、下降傾向か、横ばいか）。
2. 季節変動（S：Seasonal Variation）：定期的に繰り返される短期的なパターン（例：冬にコートが売れるなど）。
3. 循環変動（C：Cyclical Variations）：長期的な景気循環（好況と不況）。
4. 不規則変動（R：Random Variations）：予測不可能な突発的イベント（ストライキや突然の嵐など）。

移動平均

傾向（T）を見つけるには、季節による「上がり下がり」を平滑化する必要があります。そこで使うのが移動平均です。データの塊（例：4四半期ずつなど）を平均化することで、季節性のピークが取り除かれ、「真の傾向」が浮かび上がります。

季節変動（S）の求め方

試験では、次の2つのモデルが出題される可能性があります：
1. 加法モデル：実績値 = 傾向 + 季節変動 \( (Y = T + S) \)
2. 乗法モデル：実績値 = 傾向 × 季節指数 \( (Y = T \times S) \)

覚え方のコツ：
- 加法（Additive）は、絶対数値（Absolute numbers）を使います（例：夏は売上が＋200単位）。
- 乗法（Multiplicative）は、乗数（Multiplier/Percentage）を使います（例：夏は売上が1.2倍になる）。

重要なポイント：将来を予測するには、まず将来期間の傾向（T）を計算し、そこに季節性（S）を適用（加算または乗算）して最終的な予測値を出します。

5. 限界と注意点

これらの手法は素晴らしいツールですが、完璧ではありません。予測が100％当たらなくても心配しないでください。そもそも完璧な予測など存在しないのです！理由は以下の通りです：

1. 外挿（Extrapolation）：過去のデータ範囲の外側を予測することです。過去の傾向が永遠に続くと仮定するのはリスクが伴います。
2. 状況の変化：インフレや新たな競合の出現、技術革新などが起これば、過去のデータは無意味になる可能性があります。
3. 線形の仮定：コストが直線的に動くと仮定していますが、実際には階段状（ステップ固定費）に変化したり、曲線を描いたりすることもあります。

クイックレビュー・ボックス：
- ハイ・ロー法：手軽だが精度は低め。
- 回帰分析：数学的な「最良適合線」。
- r²：XがどれだけYを説明しているか。
- 傾向（T）：長期的な方向性。
- 季節変動（S）：繰り返し起こるパターン。

最後に：ここまでよく頑張りましたね！これらの手法は、皆さんの「ツールボックス」に入っている道具のようなものです。どの道具（傾向分析か、固定費分析かなど）を使うべきかを見極める練習をすれば、計算は自然と身についていきます。学習頑張ってくださいね！